Analisis Data Ecoli dengan KNIME

• Install KNIME di (https://www.knime.com/downloads)

• Install conda-forge di (https://conda-forge.org/download/)

• Install Driver Postgre di (https://jdbc.postgresql.org/download/)

Konfigurasi KNIME

Konfigurasi miniforge prompt

Analisis

Ambil data dari database Postgre

• Drag node PostgreSQL Connector kemudian klik untuk menautkan dengan database anda, lalu Apply dan OK. Kemudian run agar node jalan hingga node selanjutnya.

• Drag node DB Table Selector, sesuaikan nama scema dan nama Table di database anda kemudian Apply dan OK, disini saya menggunakan dataset Ecoli yang bisa diunduh dari https://archive.ics.uci.edu/dataset/39/ecoli

Menampilkan Data

• Drag node DB Reader untuk menampilkan data

Deteksi Missing Value

• Drag node missing value

• Sambungkan Node DB Reader ke node missing value lalu run

• Hasilnya kolom Missing Value nilainya 0 karena tidak ada missing value di data

Deteksi Outlier

• Drag node Numerik Outliers, konfigurasinya seperti gambar dibawah ini

• Drag Node Rule Engine untuk menandai bahwa data adalah outlier atau bukan, outputnya Normal dan Outlier

• Klik dan masukkan code untuk menandai tiap kelas di field Expression

MISSING $mcg$ OR MISSING $gvh$ OR MISSING $lip$ OR MISSING $chg$ OR MISSING $alm1$ OR MISSING $alm2$ OR MISSING $aac$ => "Outlier" TRUE => "Normal"

• Drag node Color Manager untuk mewarnai data outlier dan normal

• Pada field Color by .. pilih kolom flag_outlier

Ploting untuk deteksi Outlier

• Drag node Scatter plot (JavaScript) (Legacy)

• Centang Create image at Outport

• Pilih kolom untuk X axis dan Y axis

Penghapusan Outlier

• Drag node Raw Filter

• Filter column: flag_outlier

• Operator: Equals

• Case matching: Case sensitive

• Value: Normal

• Filter behavior: Output matching rows lalu Apply

• Jumlah data sebelum penghapusan Outlier adalah 336

• Jumlah data setelah penghapusan Outlier adalah 319

Balancing data menggunakan SMOTE

• drag node SMOTE

• konfigurasi :

  • class column : class

  • Nearest Neighbor : 5

  • Oversample minority classes ✅️

• Apply

Visualisasi data setelah balance

• Drag node Value Counter dengan memilih column class lalu Apply

• Drag node Bar Chart, pindah count di Exclude ke field Includes lalu Apply

Hasil akhir kumpulan node